一种多传感器数据融合算法的研究

一个传感器往往难以实现对目标的辨识,使用多个传感器收集来自多种物理现象产生的信号,就可以比较容易地实现对目标的辨识。传感器信息融合方法是当今研究的关键技术,它产生于军事领域并在多学科、多领域得到极大发展。本文介绍了一种基于统计方法的数据融合分类算法——DempSter—Shafer算法,并举例介绍了应用该算法如何融合多传感器数据。     

雷达与红外传感器数据关联及融合算法研究

多传感器信息融合技术在目标跟踪领域已经得到了广泛的应用,末制导融合技术是多传感器跟踪系统中的关键技术之一,而主动雷达、红外传感器的数据融合问题是研究的热点。由于主动雷达发射电磁波容易暴露,红外传感器隐蔽性好,但只能测角,不能测距,采用主动雷达为主、红外探测为辅的数据融合系统进行目标跟踪有利于充分地发挥红外、雷达2种传感器的互补性,使其相得益彰。基于卡尔曼滤波的预测、修正的思想,提出了一种新的融合算法,仿真结果和实验表明:利用此方法可使雷达、红外传感器达到较好的数据融合效果。     

基于支持向量机的传感器管理技术研究

传感器的优化管理是影响多传感器目标分配问题的重要环节。在分析传感器管理基本要求的基础上,提出了一种基于支持向量机(SVM)的新型目标判定方法。利用SVM算法能够对经验风险和置信范围进行有效控制的优点,以进行多传感器系统的融合预测与可靠性检测,最终实现了在实测数据和可靠的目标预测信息下,对传感器资源的有效管理。仿真实例证明了该传感器管理方法的合理性和有效性。     

多传感器数据融合技术及其应用

多传感器数据融合技术是一门新兴前沿技术。近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。主要论述了多传感器数据融合的基本概念、工作原理、数据融合特点与结构、数据融合方法及其应用领域,并总结了当前数据融合研究中存在的主要问题及其发展趋势。     

一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。     

多传感器集成与融合概述

多传感器集成与融合是目前智能机器与系统领域的研究热点,具有广阔的应用 前景．本文结合国内外多年的研究成果,对多传感器集成与融合进行了全面地介绍,详细介 绍了其目前研究的主要问题以及解决的方法．并且对多传感器集成与融合所存在的问题以及 未来的研究方向进行深入地探讨．     

多传感器管理在无线传感器网络中的应用研究

多传感器管理应用于多传感器领域，用来提高数据融合的性能及对环境的检测程度。无线传感器网络是多传感器与无线网络领域的交叉应用。文中提出了一个无线传感器网络中多传感器管理的应用模型，并进行了初步的仿真实验。实验证明了该模型的有效性。     

基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。     

基于信息熵的多传感器数据的融合方法

针对多只传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的信息熵,提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数,通过求解极值问题,得到了多传感器数据的融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失。该算法简洁稳定,可用于提高智能仪表的测量准确度和改善智能仪表的抗干扰能力。     

一种新的物联网传感器数据融合方法

针对现有技术中各种异构网络或多系统之间的数据融合难、网络利用效率低下等问题,本文研究了一种新的物联网传感器数据融合方法,设计了基于物联网传感器数据融合系统.该系统包括物联网结构层、传感器输出信号的预处理部分和信号分析处理部分,采用ADuC812单片机实现了海量数据的处理,并通过多种无线通信技术进行数据传输,通过物联网应...     

多传感器技术在机器人系统中的应用和研究

探讨了多传感器融合系统的软件结构设计方案，说明了如何设计一个基于多传感器的自主式智能机器人系统，提出了基于BP神经网络的融合方法。搭建了一个多传感器的智能机器人试验平台，实现了由两个摄像头组成的立体视觉和超声波传感器的融合。试验表明，多传感器融合技术在自主式智能系统中具有重要作用。     

多传感器数据的统计融合方法

在多传感数据融合过程中 ,各传感器的可靠程度的确定是至关重要的。利用统计方法理论 ,将各传感器的可靠程度模糊化 ,进而给出各传感器的综合支持程度指标 ,并在此指标基础上给出多传感器数据的融合结果。该方法计算简便 ,其结论较为稳定     

基于PDA 思想的分布式多传感器融合方法

在传感器观测噪声不一致或有异常数据存在的条件下,分布式数据融合因没有剔除严重偏离真实值的传感器估计值,从而影响下一步的融合估计．对此,利用概率数据互联的思想,设计以融合中心预测值为中心、传感器节点估计值为观测值的预测域,并引入定向概率数据互联,对进入预测域的传感器估计值分配权重．仿真结果表明,利用概率数据互联思想的多传感器有效地实现了数据融合,其融合精度较传统分布式融合有所提高;在异常数据明显的情况下,算法的效果更加显著．     

基于参数估计的数据融合方法在余度捷联惯性测量装置中的应用

将数据融合方法引入到导弹制导系统 ,充分利用余度捷联惯性测量装置中多陀螺的重复测量信息提高导弹的制导精度。数据融合过程分为两步 :首先应用分布图对传感器原始数据进行一致性检测 ,然后将通过检测的一致传感器数据按照参数估计的理论进行融合     

基于反馈结构的多传感器自适应航迹融合算法

在分布式多传感器信息融合系统中,自适应融合算法通过预先设定两个距离测度。然后将它们与逻辑判决树中的阈值进行比较来选择不同的融合算法,达到适应系统特性的不断变化,平衡精度与计算量之间矛盾的目的;反馈结构可用来提高局部节点的跟踪性能,进而提高全局航迹的融合精度．综合上述两种方法,提出一种新的基于反馈结构的多传感器自适应航迹融合算法,并在传感器异步的情况下讨论了其具体的计算过程．仿真结果表明该算法以较小的计算量达到了近似加权协方差算法（WCF）的融合精度．     

不同维状态的多传感器航迹融合􀀂

在多传感器环境下,多个传感器在同一区域观测目标,各传感器可能采用不同的目标模型处理各自的测量数据,形成各自的目标航迹送到融合中心.当多个传感器观测到同一目标时,融合中心则需要对源于同一目标的传感器航迹进行融合处理.通过建立状态之间的映射,提出了不同跟踪模型下的输出目标估计状态之间的融合算法.仿真试验表明了算法的有效.     

基于信息熵的多传感器数据分类方法

在回顾数据分类和信息熵的基础上,提出了基于信息熵的多传感器数据分类方法．该方法根据传感器数据自熵和互熵的关系实现冲突、冗余和补充的数据分类,建立多传感器数据分类结构并进行分类融合．实例分析说明了这种数据分类方法的合理性和分类融合的有效性．     

神经网络数据融合模式识别系统性能研究

有效地利用多传感器的信息构建数据融合系统后，其性能优于单传感器系统。该文针对一种多传感器神经网络数据融合模式识别系统，对其分类性能进行了研究，以信息论的观点，从理论上证明了上述结论的正确性。     

嵌入式数据融合系统的设计与实现

介绍了一个基于ARM9嵌入式系统的数据融合平台设计与实现过程。采用S3C2440嵌入式微处理器、ZigBee无线传感器网络和实时Linux操作系统,集成单传感器数据融合与多传感器数据融合两套算法,能够依据环境切换融合算法,并可方便地集成各种数据融合算法,特别适用于旧系统改造、流动式数据检测与控制等场合。